一种新型的电动加载系统控制方法技术方案

本发明专利技术属于电机控制方法技术领域，具体涉及一种新型的电动加载系统控制方法。本发明专利技术针对现有电动加载系统智能控制方法存在加载精度及稳定性难以保证的问题，提供了一种基于模糊CMAC与模糊推理机的复合控制方法。首先在模糊CMAC控制中将加载指令信号映射到空间的所有单元，其次将输入信号对每个模糊集的隶属度作为对应权值的权重信息，再对所有权值进行加权求和得到预设输出的近似值。同时，在模糊推理机中将激活的输入模糊集映射到所有的输出模糊集中，并利用改进的高度解模糊器计算为达到预设输出所需的增量。最后，两者相加得到最终输出信号。本发明专利技术提出的基于模糊CMAC及模糊推理机的电动加载系统控制方法能够提高系统的控制精度，保证系统的稳定性。

【技术实现步骤摘要】

本专利技术属于电机控制方法
，具体涉及一种新型的电动加载系统控制方法。
技术介绍
飞行器舵面在飞行过程中会受到气动载荷，为了确保舵机在承受这些载荷的同时能够正常飞行，飞行器舵机的承载能力需要在地面进行全面测试。电动加载系统可以通过力矩电机产生加载力矩模拟舵机工作时受到的各种载荷，在实验室环境下测试舵机性能，可以达到缩短研制周期，提高飞行可靠性的目的。在电动加载系统中，由舵机运动引起的多余力矩会影响系统的加载精度，也会使系统的频带变窄，稳定性变差。而系统本身存在的非线性使得多余力矩的消除变得比较困难，传统的前馈补偿难以满足要求。神经网络作为一种具有高度非线性的连续时间动力系统，具有很强的自学习能力和对非线性系统的映射能力。其中，小脑模型关联控制器(Cerebellar Model Articulation Controller,CMAC)具有设计简单、快速学习以及泛化能力强的特点，适于实时控制。但CMAC在激活判断时使用的是0/1逻辑，用0/1来表征神经元是否被激活，导致同一单元激活与未激活之间缺乏连续性，由此模糊CMAC作为一种改进方法受到了广泛关注。目前在实际控制系统中，为了减小模糊CMAC在线训练过程对控制系统的影响,模糊CMAC往往与其他控制方法进行复合，以减小模糊CMAC的控制误差，如PI控制、滑模控制等。为了保证系统的稳定性，这些补偿控制器的参数需要利用李雅普诺夫方法进行计算，所以这些控制方法对控制系统数学模型的精准性要求较高，难以移植到精准数学模型未知的非线性控制系统中。因此对于此类非线性控制系统，目前控制方法的控制效果会相对较差，系统的稳定性及控制精度难以得到保证。
技术实现思路
本专利技术针对现有电动加载系统控制方法存在稳定性以及加载精度难以保证的问题，提供了一种基于模糊CMAC与模糊推理机的复合控制方法。本方法以模糊CMAC控制器为主，模糊推理机的输出起辅助及补偿作用。本专利技术的目的在于提高系统的控制精度，保证系统的稳定性。本专利技术的目的是这样实现的。一种模糊小脑模型关联控制器(CMAC)和模糊推理机复合的舵机电动加载控制算法，主要包括以下步骤：(1)将系统给定的加载指令信号作为CMAC的输入，根据其变化范围将CMAC的联想记忆空间划分为M个单元，每一个单元对应一个模糊集，将加载指令信号映射到每一个模糊集中，求出其对应的隶属 度fi；(2)完成CMAC输出信号的计算，即将加载指令信号对每一个模糊集的隶属度fi作为对应权值单元wi的权重，对存储空间内所有的权值进行加权求和，得到CMAC的输出信号y；(3)由加载指令信号确定CMAC中C个被激活的单元，根据指令信号与输出信号之间的误差，由δ学习算法调整被激活C个单元中存储的权值，而未激活的单元权值保持不变；(4)确定模糊推理机的输入及输出，即利用单值模糊器对加载指令信号进行模糊化，将其作为模糊推理机的输入，参考CMAC的泛化能力进行模糊推理，得到模糊推理结果；所述参考CMAC的泛化能力进行模糊推理的方法，其特征在于：利用CMAC的泛化能力激活对应的模糊规则前件，其激活规则与CMAC激活C个单元的规则相同，将激活的前件映射到模糊输出集的所有后件中，每一个映射均视为一个IF-THEN陈述；(5)利用改进后的高度解模糊器对模糊推理机的输出进行解模糊化，即将该解模糊器中的输出量设置为实际输出与加载指令信号的差值，得到可以对模糊CMAC起补偿作用的误差信息；(6)将模糊CMAC的输出信号与模糊推理机的输出信号相加，得到经过补偿的最终输出信号，利用该信号对加载系统进行控制。其中，所述第(1)步中所述加载指令信号映射到CMAC中的方法为：加载指令信号映射到CMAC联想记忆空间中的所有单元中，每一个单元都对应一个映射关系，从而求出加载指令信号对于每一个输入模糊集的隶属度。本专利技术的优点在于：(1)提出了模糊CMAC与模糊推理机的复合控制，相对于传统的复合控制方式，模糊推理机具有推理能力，能更好的适用于非线性系统，可以提高系统的控制精度；(2)在模糊CMAC中采用全新的映射方式，将输入信号映射到了每一个联想记忆空间单元所对应的模糊规则前件中，并将其隶属度作为对应权值的权重，最后将所有权值进行加权求和，从而减小了输出信号的跳变，大大提高了输出平滑性，进而保证了系统稳定性。附图说明图1是电动加载系统结构图图2是控制系统结构原理图图3是误差收敛曲线具体实施方式为了使专利技术的目的、技术方案及优点更加清楚明白，以下结合附图说明具体的实施方式。附图1是该控制方法所作用的电动加载系统结构图。该系统使用PC上位机模拟电动加载系统所需要的加载指令信号，并利用DSPF28335实现模糊CMAC及模糊推理机的控制。在DSP中，除了接收指令信号之外，还要对输出的力矩信号进行反馈，并利用这些信号进行模糊CMAC及模糊推理机的相关运算。加载指令信号最终传输到控制对象力矩电机的驱动器中用来控制力矩电机产生相应的载荷。扭矩传感器可以测量输出的力矩信号，该信号经过放大后由DSP输出到PC上位机中显示。附图2为该控制方法的原理框图。系统包括两大部分，分别为模糊CMAC及模糊推理机，两者在控制过程中起并行作用。其中模糊CMAC起主要的控制作用，而模糊推理机对模糊CMAC产生的误差进行补偿。最后将两者的输出进行相加，得到最终的输出信号。下面根据附图2对模糊CMAC和模糊推理机的工作过程进行叙述。1.模糊CMAC的工作过程(1)将系统的指令信号作为CMAC网络的激励信号，根据该信号的变化范围将联想记忆空间均匀划分为N个单元，并且每一个单元都对应一个模糊集Ak。加载指令信号x被映射到每一个模糊集中，隶属度可由高斯隶属函数计算得出：其中是Ak的中心，且最小，最大。δk是Ak的宽度。(2)将物理存储空间也均匀划分为N个单元，每一个单元中存放着相应的权值，分别与联想记忆空间中的N个单元一一对应。将第一步中求得的隶属度作为权值的权重，并对权重进行加权求和，得到输出信号。其中wk是第k个单元中存储的权值，fk是第k个权值所对应的权重。这种方法将输入信号映射到了所有的存储单元中，而且输出信号的计算与所有的权值均有一定的关系。因此即使对于不同的加载指令信号，输出信号也不会存在太大的跳变，可以提高输出信号的平滑性。(3)根据指令信号确定被激活的单元，对被激活的单元进行权值调整，而未被激活的单元保持权值不变。最后利用调整后的权值对下一个加载指令信号进行计算。激活规则为：其中Ri代表第i个单元，S代表被激活的单元集，C为泛化参数。对激活单元的权值进行调整的公式为：Δw＝η(x-y)/C其中x为加载指令信号，y为控制系统实际的输出信号，η是网络学习率。2.模糊推理机的工作过程(1)对加载指令信号进行模糊化。为了简化计算，此处采用单值模糊器：确定模糊推理中的前件及后件，各划分为M个。参考CMAC的泛化能力，当输入某个指令信号时，激活对应的C个前件，其激活规则与模糊CMAC激活单元的规则相同。(2)将激活的C个前件映射到全部的M个后件中。每一个映射都可以看作IF-THEN(如果-则)陈述：如果x是A，则y是B并且存在关系：μA→B(x,y)＝μA(x)×μB(y)经过计算可以得出：选用高斯型后件隶属函数，Bl的重心位本文档来自技高网...

【技术保护点】
一种模糊小脑模型关联控制器(CMAC)和模糊推理机复合的舵机电动加载控制算法，其特征在于，包括以下步骤：(1)将系统给定的加载指令信号作为CMAC的输入，根据其变化范围将CMAC的联想记忆空间划分为M个单元，每一个单元对应一个模糊集，将加载指令信号映射到每一个模糊集中，求出其对应的隶属度fi；(2)完成CMAC输出信号的计算，即将加载指令信号对每一个模糊集的隶属度fi作为对应权值单元wi的权重，对存储空间内所有的权值进行加权求和，得到CMAC的输出信号y；(3)由加载指令信号确定CMAC中C个被激活的单元，根据指令信号与输出信号之间的误差，由δ学习算法调整被激活C个单元中存储的权值，而未激活的单元权值保持不变；(4)确定模糊推理机的输入及输出，即利用单值模糊器对加载指令信号进行模糊化，将其作为模糊推理机的输入，参考CMAC的泛化能力进行模糊推理，得到模糊推理结果；所述参考CMAC的泛化能力进行模糊推理的方法，其特征在于：利用CMAC的泛化能力激活对应的模糊规则前件，其激活规则与CMAC激活C个单元的规则相同，将激活的前件映射到模糊输出集的所有后件中，每一个映射均视为一个IF‑THEN陈述；(5)利用改进后的高度解模糊器对模糊推理机的输出进行解模糊化，即将该解模糊器中的输出量设置为实际输出与加载指令信号的差值，得到可以对模糊CMAC起补偿作用的误差信息；(6)将模糊CMAC的输出信号与模糊推理机的输出信号相加，得到经过补偿的最终输出信号，利用该信号对加载系统进行控制。...

【技术特征摘要】
1.一种模糊小脑模型关联控制器(CMAC)和模糊推理机复合的舵机电动加载控制算法，其特征在于，包括以下步骤：(1)将系统给定的加载指令信号作为CMAC的输入，根据其变化范围将CMAC的联想记忆空间划分为M个单元，每一个单元对应一个模糊集，将加载指令信号映射到每一个模糊集中，求出其对应的隶属度fi；(2)完成CMAC输出信号的计算，即将加载指令信号对每一个模糊集的隶属度fi作为对应权值单元wi的权重，对存储空间内所有的权值进行加权求和，得到CMAC的输出信号y；(3)由加载指令信号确定CMAC中C个被激活的单元，根据指令信号与输出信号之间的误差，由δ学习算法调整被激活C个单元中存储的权值，而未激活的单元权值保持不变；(4)确定模糊推理机的输入及输出，即利用单值模糊器对加载指令信号进行模糊化，将其作为模糊推理机的输入，参考CMAC的泛化能力进行模糊推理，得到模糊推理结果；所述参考CMA...

【专利技术属性】
技术研发人员：杨波，张萌，魏启帆，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11